因子的持续和转折对我国盛夏降水预测效果的影响

由于影响我国盛夏（7—8月）降水异常的主要因子前期（或从冬季到夏季）不同的月际演变特征对其后降水异常的影响不同,所以针对影响因子的月际“持续异常”和“转折变化”对盛夏降水异常的预测方法也应该是不同的。本文以国家气候中心整理的78项月环流特征量指数和CPC/NOAA的30项指数为因子,设计了能够反映影响因子的月指数特征量“持续异常”和“转折变化”的两套影响因子库,用“滑动相关—逐步回归—集合分析”方法分别建立预测模型,改进预测方案,这样建立的统计预测模型重点考虑了前期影响因子不同的变化特征。用距平符号一致率（PSS）与空间距平相关系数（ACC）为指标,对比分析不同因子处理方案对我国160站盛夏（7—8月）降水预测效果的影响,结果显示：两种因子选择方案均具有一定的预测能力;相比之下,“转折变化”因子选取方案的预测效果更好;用单站交叉建模序列与实测序列的相关系数为指标,挑选其中相关系数更高的因子选取方案结果作为集合方案预测结果,集合方案的预测效果有进一步提高的潜力。     

多模式集合优选方案在淮河流域夏季降水预测中的应用

基于国家气候中心提供的1981—2010年4种季节气候预测模式的资料,将两种互为补充的降尺度因子挑选方案应用于淮河流域夏季降水预测,利用距平符号一致率ASCR、等级评定PG、距平相关系数ACC方法,评定了每种模式及其所采用的两种降尺度方法对淮河流域夏季降水的预测效果,并采用了一种优选方案进行多模式集合。结果表明,从4种模式的降水预测效果来看,NCEP_CFSv2和TCC_CPS1模式的评分较高,NCC_CGCM1和ECMWF_SYSTEM4模式相对较低;采用2种基于最优子集回归的降尺度方法后,NCC_CGCM1、TCC_CPS1和ECMWF_SYSTEM4模式的降尺度方法相对于模式降水预测为正订正,NCEP_CFSv2模式为负订正;将模式和降尺度预测方案进行优选,其集合平均的评分不仅高于模式降水预测的集合平均,也优于降尺度方法的集合平均,该方法发挥了不同模式的区域性优势,改进了原始集合平均的效果,为提高多模式解释应用水平提供了一种参考性方案。      

降水和大气环流距平年际预测的一个高效的修正方案

该文基于夏季降水异常存在准两年振荡的特征 ,提出了预测年际降水异常和大气环流距平的一个有效的新方法 ,其预测效果显著优于通用的传统方法 ,因而具有较好的应用价值 .而对大气环流有关变量的预测效果的改进尤其显著 .     

青藏高原冬春积雪特征及其对我国夏季降水的影响

本文利用国家气象中心提供的逐日地面积雪深度和积雪日数数据,以及NOAA的大气环流再分析资料,通过合成分析等方法,对1961—2013年青藏高原冬春季积雪高原整体、高原东部、高原西部进行了年际和年代际趋势分析,结果表明,青藏高原整体冬、春季积雪的变化趋势一致,雪深呈现"少雪—多雪—少雪—多雪"的变化趋势,积雪日数呈现"少雪—多雪—少雪"的变化趋势。高原东(西)部积雪在20世纪60—70年代均明显增加,20世纪80—90年代均减少,20世纪90年代末东部春季和冬季积雪减少更为显著,而西部地区除了春季积雪日数变化不大,春、冬季积雪雪深和冬季积雪日数均明显增加。其次,对青藏高原东、西部地区多(少)雪年的划分,发现高原东部和西部地区积雪异常年对应的大气环流形势也存在差异。最后,进一步分析了青藏高原不同区域积雪异常年环流形势变化特征及其对我国夏季降水的影响,发现高原东(西)部积雪异常年时我国夏季降水分布存在显著差异,因此,在将高原积雪作为气候预测因子的时候,应当考虑东部和西部积雪异常不同所产生影响的差异。     

西天山气象因子对融雪期积雪深度影响通径分析

积雪深度的变化受到多种气象因子共同影响。基于天山积雪雪崩站观测的水文气象资料,通过数理统计、标准化处理、通径分析等方法探索气象因子之间的相互作用对积雪深度变化的影响。研究结果表明:融雪期大气温度、净辐射、相对湿度等6个气象因子对积雪深度变化的影响程度不同,净辐射与积雪深度相关程度最高。气象因子之间有着不同程度的相互联系,相对湿度与降水之间的相关系数高达0.854,相对湿度与降水之间有着密切的联系。直接通径系数反映独立气象因子对积雪深度的直接影响程度,间接通径系数反映独立气象因子在其他气象因子的影响下对积雪深度的间接影响程度。根据积雪深度决定系数绝对值的大小可以得到,对积雪深度变化贡献力由大到小的气象因子依次为:净辐射、地表温度、大气温度、降水、相对湿度、风速;积雪深度的剩余系数为0.353,说明除了本研究的6个气象因子以外还存在着其他影响积雪深度变化的因素。     

EOF迭代方案恢复夏季大气环流场的试验

本文设计了一种恢复夏季大气环流场的EOF(经验正交函数)迭代方案,并利用1951～1984年中国夏季降水距平场和北半球500hPa夏季高度距平场作镢复试验,数值试验效果较好.此项工作表明:利用某些长时间序列的资料通过EOF迭代方案恢复历史时期大气环流是可行的.     

IAP AGCM 4.1对淮河流域夏季降水的预报技巧评估

基于中国科学院大气物理研究所新一代大气环流模式IAP AGCM 4.1共30 a(1981—2010年)的集合回报试验结果,评估了模式对淮河流域夏季降水的预报技巧。分析结果表明,模式总体上可以较好地再现出淮河流域夏季平均降水南多北少的空间分布特征,其中模式模拟的6月降水量与观测值的空间相关可达0.93。但降水强度与观测相比具有系统性的偏差,且模式模拟的降水年际变率显著偏弱。基于降水距平相关系数的确定性预报技巧分析表明,模式对流域西南部夏季降水的预测技巧较高,达到0.2以上,且模式对6月降水异常的预测能力相对最好,7月次之。针对淮河不同子流域的预报技巧分析表明,IAP AGCM 4. 1对蚌埠、鲁台子、王家坝水文控制站以上集水面积的夏季面雨量异常具有一定的预报技巧,30 a集合回报的时间相关系数分别为0. 11、0. 13、0. 16。基于降水等级的概率预报技巧评估表明,模式对7月淮河流域南部少雨事件具有很好的预报能力,同时对6月流域中部多雨事件的预报技巧也较高。     

基于聚类分区的中国夏季降水预测模型

文章基于近邻传播客观聚类方法对中国夏季降水进行了气候分区,以中国不同分区的夏季降水为预测对象,使用前期的海温和海平面气压场为预测因子,利用图像标签算法提取高相关封闭区域的预测因子信息。结合最小二乘回归法建立预测模型。采用Ps评分、距平符号一致率和距平相关系数三种评分方法检验了该预测模型,比较了四种不同的因子配置方案的预测能力。研究结果表明,利用冬春季海温的演变特征结合海平面气压的年际变化为预测因子的分区预测模型效果较好,在1982—2009年期间的平均交叉检验平均Ps得分为81.4,距平符号一致率为63%,距平相关系数为0.35,2010—2014期间的独立样本预测检验的平均评分分别为77.1,58%和0.19,且逐年回报效果较为稳定,表明该方法对中国夏季降水有较好的预测效果。研究结果显示,该预测模型能较好地预测出2014年中国夏季降水南多北少的分布特征。     

基于集合预报产品的降尺度降水预报试验

利用降水距平百分率的降尺度预报方法和1951-2008 NCEP资料及我国降水资料,建立了降水距平百分率的预报模型,基于T106L19模式的月动力延伸集合预报结果,进行了2007-2009年3 a的预报试验和效果检验.结果表明,基于集合预报产品的统计降尺度方法对降水距平百分率的预报技巧高于模式降水的预报技巧;500 hPa月平均高度场的预报技巧直接影响到降水距平百分率的预报技巧,平均环流的预报技巧越高,降水距平百分率的预报技巧越高;无论集合成员数为多少,集合预报的结果都明显优于控制预报,随着集合成员数的增多,预报技巧呈增大的趋势;我国降水具有显著的季节性和区域性,以江淮地区的降水距平百分率预报技巧最高,华南地区的预报技巧其次.     

黄淮地区夏季降水的统计降尺度预测

利用1991-2011年黄淮地区夏季降水、NCEP/NCAR再分析资料和国家气候中心第2代动力气候模式（BCC_CSM1.1m）夏季回报结果,研究黄淮地区夏季降水降尺度预测模型和可预报性来源。诊断发现,黄淮地区夏季降水与同期南亚高压、乌拉尔山附近阻塞高压、西风急流、西太平洋赤道上空200 hPa纬向风场呈明显正相关。分析BCC_CSM1.1m对夏季环流的回报结果发现,模式对200 hPa和500 hPa位势高度场、200 hPa纬向风场和850 hPa经向风场上影响黄淮地区夏季降水的部分关键区域有较好的模拟能力。利用模式预报技巧较高且对黄淮地区夏季降水的影响有物理含义的环流特征作为预测因子,对比预测因子进行独立性筛选前后分别建立的降尺度预测模型发现,黄淮地区夏季降水预测与实况的距平符号一致率由61%提高到72%。预测技巧来源分析发现,降尺度预测能力与BCC_CSM1.1m对影响黄淮地区夏季降水的3个关键因子乌拉尔山附近环流、南亚高压、西太平洋赤道上空西风强弱的预测技巧密切相关,尤其是模式对西太平洋赤道上空西风的模拟能力起到决定性作用。     

基于三种机器学习方法的降水相态高分辨率格点预报模型的构建及对比分析

冬季降水相态及其转变时间的精细化客观预报对提高气象预报和服务质量具有重要的现实意义。利用京津冀地区国家级自动气象站观测资料及网格化快速更新精细集成产品,统计分析了京津冀地区复杂地形下各类降水相态温度和湿球温度平均气候概率的分布差异及不同降水相态时网格化快速更新精细集成产品中可能影响降水相态判断的特征信息。然后将地面观测天气现象资料、复杂地形下降水相态气候特征及高分辨率模式输出产品作为特征向量,分别基于梯度提升（XGBoost）、支持向量机（SVM）、深度神经网络（DNN）3种机器学习方法建立了降水相态的高分辨率客观分类模型,并对同样条件下3种机器学习方法对雨、雨夹雪和雪3种京津冀主要降水相态的预报效果进行了对比检验,进一步提升了雨夹雪复杂降水相态的客观分类预报技巧。      

中国东部夏季降水与东亚垂直环流结构及其预测试验

本文在分析中国东部夏季降水的时空分布特征基础上, 从东亚高、中、低层大尺度环流异常着手, 选取对中国东部夏季降水异常有显著影响的大气环流预报因子, 分别应用逐步回归和最优子集回归法两种统计降尺度方法, 以动力气候模式CAM3.1预报输出的大气环流预报因子为基础, 以中国东部夏季降水的典型空间分布型为预报对象, 建立动力与统计相结合的中国东部夏季降水预测模型, 并对1981～2000年的中国东部夏季降水进行回报试验。结果表明: 中国东部夏季降水具有4类典型的空间分布型式, 且具有显著的准2年和年代际尺度振荡周期; 东亚高、中、低层大气环流异常的特定配置, 对东部夏季降水的空间分布型有显著影响; 使用两种降尺度方案建立的动力与统计相结合的预测模型对中国东部夏季降水异常具有一定的预报技巧, 可以在一定程度上提高动力模式对中国东部夏季降水的预报效果。     

机器学习方法在湖南夏季降水预测中的应用

利用湖南97个国家站的逐月降水资料、国家气候中心130项气候指数集以及国家气候中心和美国国家环境预报中心两套季节预测模式的降水预测资料,采用递归特征消除法确定预测因子并使用多层前馈神经网络、支持向量回归和自然梯度提升三种算法建立了两种湖南夏季降水统计预测方案的模型,检验了预测效果.结果表明:基于机器学习的预测模型对湖南...     

华北汛期降水多因子相似订正方案与预报试验

本文基于动力—相似预报的基本原理, 在已初步建立的华北汛期降水模式的动态最优多因子组合相似订正方案工作基础上, 研究前期关键因子之间的相互配置对夏季降水的影响, 挑选关键的大气环流预报因子。根据预报年前期气候因子的异常状况, 通过EOF压缩自由度进行相似年选取, 进一步构建了基于前期异常信号的汛期降水相似订正预报方案。研究发现, 预报年前期大气环流中异常因子个数的偏多或偏少与该年华北降水的多寡呈现较好的对应关系, 并以异常因子的个数状况作为判断该年是否为异常年的标准, 将异常多因子方案与动态最优多因子方案相结合, 建立模式误差相似订正的多因子综合预报方案。通过诊断分析发现, 该方案对降水异常年有着较好的针对性。2003～2009年7年的独立样本回报结果表明: 该方法进一步提高了模式对华北汛期降水的预报能力, 将华北汛期降水预报的距平相关系数 (ACC) 平均分从系统订正结果的0.38提高至0.61, 具有良好的业务应用前景。     

基于NCEP CFSv2模式的黑龙江省夏季降水预测研究

基于1982-2017年NCEP_CFSv2（NCEP Climate Forecast System version 2）模式预测资料对黑龙江省夏季降水进行降尺度预测。通过分析黑龙江省夏季降水与同期环流因子的关系、模式对关键区环流因子的预测,选取模式模拟与再分析资料相关较好、黑龙江降水实况与再分析资料关系较好的环流因子作为预测因子,结合最优子集回归法筛选因子,建立降尺度预测模型,最后采用交叉检验法进行预测效果检验和独立样本预测。结果表明：模式降尺度预测与实况的距平符号-致率为69%,6 a独立样本预测中有5 a预测正确,优于目前的业务预测效果。进-步研究发现,在模式能够准确预测环流因子的情况下,模式降尺度可以较好地预测黑龙江省夏季降水的趋势。此外,模式降尺度在拉尼娜年预测效果较好。     

春季欧亚积雪异常影响中国夏季降水的数值试验

 利用NCAR的新一代GCM CAM3.1版本模式,研究了欧亚大陆春季积雪异常对北半球大气环流和中国夏季降水的影响。结果表明,春季积雪异常通过改变其后夏季的土壤湿度和温度分布,造成对流层厚度场的异常,激发一个从欧洲西部到东亚的500 hPa高度场异常波列。我国南、北方处于符号相反的高度场异常区,同时降水也呈现南北相异的态势,这表明春季欧亚积雪异常是影响我国夏季降水分布的一个重要因子。     

Assessing the Impacts of Initial Snow Conditions over the Tibetan Plateau on China Precipitation Prediction Using a Global Climate Model

Two ensemble experiments were conducted using a general atmospheric circulation model. These experiments were used to investigate the impacts of initial snow anomalies over the Tibetan Plateau（TP） on China precipitation prediction. In one of the experiments, the initial snow conditions over the TP were climatological values; while in the other experiment, the initial snow anomalies were snow depth estimates derived from the passive microwave remote-sensing data. In the current study, the difference between these two experiments was assessed to evaluate the impact of initial snow anomalies over the TP on simulated precipitation. The results indicated that the model simulation for precipitation over eastern China had certain improvements while applying a more realistic initial snow anomaly, especially for spring precipitation over Northeast China and North China and for summer precipitation over North China and Southeast China. The results suggest that seasonal prediction could be enhanced by using more realistic initial snow conditions over TP, and microwave remote-sensing snow data could be used to initialize climate models and improve the simulation of eastern China precipitation during spring and summer. Further analyses showed that higher snow anomalies over TP cooled the surface, resulting in lower near- surface air temperature over the TP in spring and summer. The surface cooling over TP weakened the Asian summer monsoon and brought more precipitation in South China in spring and more precipitation to Southeast China during summer.     

年代际气候变化与1998年长江大水

由于海温、高原积雪和大气环流异常等特定条件,引发了１９９８年夏季长江的特大洪涝,而９０年代的气候特征也对１９９８年长江大水起到一定的作用。从中国夏季降水、大气环流、冬季高原积雪和海温等方面分析年代际气候变化对１９９８年长江大水提供有利的气候环境。     

云南省典型涝夏特点及其与相关因子的关系分析

利用云南省125个气象站1961－1998年6－8月降水量资料，确定典型涝夏年，分析发生特点，并讨论其与大气环流、ENSO事件、青藏高原积雪变化及太阳黑子相对数等因子的关系，以期为云南省夏季降水趋势预测提供有意义的指示因子。     

Assessing the Impacts of Eurasian Snow Conditions on Climate Predictability with a Global Climate Model

On the basis of two ensemble experiments conducted by a general atmospheric circulation model (Institute of Atmospheric Physics nine-level atmospheric general circulation model coupled with land surface model, hereinafter referred to as IAP9L_CoLM), the impacts of realistic Eurasian snow conditions on summer climate predictability were investigated. The predictive skill of sea level pressures (SLP) and middle and upper tropospheric geopotential heights at mid-high latitudes of Eurasia was enhanced when improved Eurasian snow conditions were introduced into the model. Furthermore, the model skill in reproducing the interannual variation and spatial distribution of the surface air temperature (SAT) anomalies over China was improved by applying realistic (prescribed) Eurasian snow conditions. The predictive skill of the summer precipitation in China was low; however, when realistic snow conditions were employed, the predictability increased, illustrating the effectiveness of the application of realistic Eurasian snow conditions. Overall, the results of the present study suggested that Eurasian snow conditions have a significant effect on dynamical seasonal prediction in China. When Eurasian snow conditions in the global climate model (GCM) can be more realistically represented, the predictability of summer climate over China increases.